İstatistik Analiz 2025-2026 Ara Sınav (Vize)

Student (t) dağılımı, ana kütle varyansının bilinmediği ve örnek birim sayısının 30’dan az olduğu küçük örneklerde kullanılan teorik bir olasılık dağılımıdır. Bu dağılımın şekli serbestlik derecesine göre farklılık gösterir. Örnek büyüklüğü n olan bir çalışmada t dağılımının serbestlik derecesi (n-1) olarak hesaplanır. Serbestlik derecesi kavramı, örnek varyansı hesaplanırken bağımsız olarak değişebilen gözlem sayısını ifade eder; n gözlemden birinin değeri diğerleri ve örnek ortalaması bilindiğinde sabit olduğundan serbestlik derecesi n-1 olur. Örnek büyüklüğü arttıkça t dağılımı standart normal dağılıma yaklaşır ve pratikte n≥30 olduğunda z dağılımı kullanılabilir hale gelir.

Sistematik hata; ölçümlerin her seferinde aynı yönde (sürekli yüksek veya sürekli düşük) sapmasına neden olan ve kaynağı belirli olan hatalardır. Kalibrasyonu yapılmamış bir cihazla tüm katılımcıların kan şekerinin sürekli olarak olduğundan yüksek ölçülmesi; hatanın tüm ölçümlerde aynı yönde gerçekleşmesi nedeniyle sistematik hatanın klasik örneğidir. A seçeneğinde zaman zaman düşük zaman zaman yüksek ölçüm yapılması tesadüfi hatayı, C seçeneğinde + ve – yönde hatalar yine tesadüfi hatayı, D ve E seçeneklerinde ise kodlama hataları veri giriş hatalarını temsil etmektedir. Sistematik hatalar araştırmanın iç geçerliliğini ciddi biçimde tehdit eder ve giderilmesi için ölçüm araçlarının kalibrasyonu ve standardizasyonu gereklidir.

Örnekleme; ana kütlenin tamamını incelemek yerine ondan seçilen bir alt küme (örneklem) üzerinden hesaplanan örnek istatistiklerini kullanarak ana kütle parametrelerini tahmin etme sürecidir. Ana kütle parametresi (örneğin ortalama veya oran) doğrudan ölçülemediğinde örnekleme yoluyla tahmin yapılır. Örneklem ise ana kütleden seçilen birimler topluluğunu ifade eder; örnekleme ise bu seçim ve tahmin sürecinin tamamını kapsar. Parametre ana kütleye, istatistik ise örnekleme ait ölçütleri tanımlar. Zaman, maliyet ve pratik kısıtlar nedeniyle tam sayım yerine örnekleme yöntemi tercih edilir.

Hipotez; istatistiksel bir araştırmada ana kütle parametresi veya dağılımı hakkında doğruluğu test edilmek üzere öne sürülen önermedir. Hipotez testi sürecinde genellikle iki karşıt hipotez belirlenir: temel (boş) hipotez (H₀) ve alternatif hipotez (H₁). Temel hipotez savunulan ya da test edilmek istenen statüko görüşünü, alternatif hipotez ise değişim veya farklılık iddiasını temsil eder. Kuram ise daha geniş kapsamlı ve doğrulanmış açıklama çerçevelerini ifade eder; hipotezden farklı olarak sınandıktan sonra kabul görmüş bilgilerden oluşur. Örneklem ve örnekleme ise örnekleme sürecine ait kavramlardır.

Hipotez testlerinde iki temel hata türü tanımlanmıştır. Birinci tip hata (Tip I hata veya α hatası); gerçekte doğru olan temel hipotezin (H₀) yanlışlıkla reddedilmesidir. Bu hatanın yapılma olasılığı α (anlamlılık düzeyi) ile gösterilir ve araştırmacı tarafından önceden belirlenir. İkinci tip hata (Tip II hata veya β hatası) ise gerçekte yanlış olan temel hipotezin kabul edilmesidir. Araştırmacı α değerini küçülterek Tip I hatayı azaltabilir; ancak bu durumda Tip II hata riski artabilir. Bu iki hata türü arasındaki denge hipotez testinin tasarımında kritik bir öneme sahiptir ve örneklem büyüklüğü bu dengenin kurulmasında belirleyici rol oynar.

Aralık tahmini (güven aralığı) hesaplanırken güven düzeyi (1-α) belirlenir. Bu değer; hesaplanan güven sınırları içinde ana kütle ortalamasının bulunma olasılığını ifade eder. Örneğin yüzde 95 güven düzeyi seçildiğinde (α=0,05); tekrarlanan örneklemelerde hesaplanan güven aralıklarının yüzde 95’inin gerçek ana kütle ortalamasını kapsayacağı anlamına gelir. α ise güven sınırları dışında kalma olasılığını (hata payını) ifade eder. 1-α olasılığı güvenilirlik katsayısı veya güven düzeyi olarak da adlandırılır. Yaygın kullanılan değerler: 1-α=0,90, 0,95, 0,99’dur.

Sistematik örnekleme; ana kütledeki tüm birimler listelendikten sonra ana kütle büyüklüğünün (N) örnek büyüklüğüne (n) bölünmesiyle örnekleme aralığı k=N/n hesaplanır ve listeden her k. birim örnekleme alınır. Başlangıç noktası 1 ile k arasından rastgele seçilir; ardından her k adımda bir birim seçilir. Bu yöntem uygulaması kolay ve sistematik olmakla birlikte listede periyodik bir yapı varsa yanlılığa yol açabilir. Kartopu örnekleme ise zor ulaşılan popülasyonlarda katılımcıların başkalarını önermesiyle ilerleyen olasılıksız bir yöntemdir. Basit tesadüfi örneklemede her birimin eşit seçilme şansı vardır ve herhangi bir sistematik adım izlenmez.

Ana kütle ortalaması için aralık tahmini yapılırken kullanılacak dağılım; ana kütle varyansının bilinip bilinmemesine ve örnek büyüklüğüne göre belirlenir. II. ifade doğrudur; ana kütle dağılımı normal, varyans bilinmiyor ve n>30 ise merkezi limit teoremi devreye girer ve z dağılımı kullanılabilir. III. ifade de doğrudur; ana kütle dağılımı normal, varyans bilinmiyor ve n<30 ise t dağılımı kullanılır. I. ifade ise yanlıştır; “ana kütle varyansı bilinmiyorsa her koşulda standart normal dağılım kullanılır” söylemi hatalıdır çünkü n<30 durumunda t dağılımı gereklidir. Dolayısıyla yalnızca I. ifade yanlıştır. Bu kural istatistiksel çıkarımın temel prensiplerinden biridir.

Basit tesadüfi örnekleme; her birimin seçilme olasılığının eşit ve bağımsız olduğu örnekleme yöntemidir. Bu yöntemin etkin biçimde uygulanabilmesi için iki temel koşul aranır: birincisi ana kütledeki tüm birimlerin listesinin (örnekleme çerçevesinin) mevcut olması; ikincisi ise ana kütledeki birimlerin araştırılan özellik açısından homojen bir dağılım göstermesidir. Homojenlik; birimler arasındaki farkın küçük olmasını ifade eder ve bu durumda küçük bir örneklem bile ana kütleyi yeterince temsil edebilir. Heterojen yapılarda ise tabakalı örnekleme gibi daha verimli yöntemler tercih edilmelidir; aksi hâlde basit tesadüfi örnekleme yeterli temsil gücü sağlayamaz.

Güven aralığı formülü şu şekilde ifade edilir: x̄ ± z × s_x̄. Burada s_x̄ ortalamanın standart hatasıdır. Ortalamanın standart hatası ne kadar büyükse güven aralığı o kadar geniş olur; çünkü formülde standart hata z katsayısıyla çarpılarak güven aralığının genişliği hesaplanır. Standart hata büyüdüğünde hem alt sınır küçülür hem de üst sınır büyür; dolayısıyla güven sınırları genişler. Bu durum; tahminlerin daha az kesin (geniş aralıklı) olduğuna işaret eder. Güven sınırlarını daraltmak için örnek büyüklüğü artırılabilir çünkü s_x̄ = s/√n formülüne göre n büyüdükçe standart hata küçülür.

Örnek ortalamaları teorik dağılımı; belirli büyüklükteki bir örneklem için bir ana kütleden teorik olarak çekilebilecek tüm mümkün örneklerin ortalamalarının oluşturduğu dağılımdır. Bu dağılım; istatistiksel çıkarım ve güven aralığı hesaplamalarının teorik temelini oluşturur. Merkezi Limit Teoremi’ne göre örnek büyüklüğü yeterince büyük olduğunda bu dağılım ana kütle dağılımının şeklinden bağımsız olarak normale yaklaşır. Bu teorik dağılımın ortalaması ana kütle ortalamasına, standart sapması ise ortalamanın standart hatasına (σ/√n) eşittir. Bu kavram örnekleme teorisinin en temel unsurlarından birini oluşturur.

Nokta tahmini; ana kütle parametresinin (örneğin ana kütle ortalaması μ veya oran π) tek bir sayı ile tahmin edilmesidir. Örneğin örneklemden hesaplanan x̄ (örnek ortalaması) ana kütle ortalaması μ için bir nokta tahminidir. Nokta tahmininin avantajı basitliği ve yorumlanmasının kolaylığıdır; ancak tahmine ne kadar güvenileceği (belirsizliği) hakkında bilgi vermez. Aralık tahmini ise bu belirsizliği de hesaba katarak parametrenin belirli bir olasılıkla içinde bulunduğu bir alt-üst sınır aralığı verir. Bu nedenle aralık tahmini nokta tahmininden daha fazla bilgi içerir ve araştırmacılara daha kapsamlı bir değerlendirme imkânı tanır.

Güven aralığı hesaplamalarında 1-α güven düzeyini, α ise hata payını (güven sınırlarının dışında kalma olasılığını) ifade eder. Soruda 1-α=0,89 verilmiştir. Buradan α = 1-0,89 = 0,11 bulunur. Bu da ana kütle ortalamasının belirlenen güven sınırlarının dışında bulunma olasılığının yüzde 11 olduğunu gösterir. Başka bir deyişle; bu çalışmada hesaplanan güven aralığının gerçek ana kütle ortalamasını kapsama olasılığı yüzde 89, kapsamaması olasılığı ise yüzde 11’dir. Bu hesaplama; güven düzeyi ve hata payı arasındaki temel ilişkiyi göstermektedir.

Merkezi Limit Teoremi (MLT); istatistiğin en temel ve güçlü teoremlerinden biridir. Bu teoreme göre; ana kütle dağılımının şekli ne olursa olsun (normal, çarpık, düzgün vb.), yeterince büyük örneklem alındığında (genellikle n≥30) örnek ortalamalarının dağılımı normale yaklaşır. Bu dağılımın ortalaması ana kütle ortalamasına, standart sapması ise σ/√n’ye (ortalamanın standart hatası) eşittir. MLT sayesinde araştırmacılar ana kütle dağılımının normal olup olmadığını bilmeksizin normal dağılım tabloları ve formülleri kullanarak istatistiksel çıkarım yapabilirler. Bu teorem modern istatistiğin temel taşlarından birini oluşturur.

Ortalamanın standart hatası formülü şu şekildedir: s_x̄ = s / √n. Burada s örnek standart sapması, n ise örnek büyüklüğüdür. Verilen değerler yerine konulduğunda: s_x̄ = 9,8 / √49 = 9,8 / 7 = 1,4 bulunur. Ortalamanın standart hatası; farklı örneklemlerden hesaplanan örnek ortalamalarının birbirinden ne kadar farklılaşabileceğini gösterir. Standart hata ne kadar küçükse örneklemin ana kütleyi temsil etme gücü o kadar yüksektir. Örnek büyüklüğü artırılarak standart hata küçültülebilir; çünkü n büyüdükçe paydaki √n büyür ve kesir küçülür.

Tabakalı (zümrelere göre) örnekleme; ana kütle belirli özellikler bakımından heterojen bir görünüm sergilediğinde ancak bu heterojenliğin içinde kendi içinde homojen alt gruplar (tabakalar) barındırdığında kullanılan bir örnekleme yöntemidir. Ana kütle önce homojen tabakalara bölünür; ardından her tabakadan orantılı ya da eşit sayıda birim seçilir. Bu yöntem; her tabakanın örneklemde temsil edilmesini güvence altına alır ve basit tesadüfi örneklemeye kıyasla daha verimli (daha düşük varyans) tahminler üretir. Cinsiyet, yaş grubu veya bölge gibi değişkenlere göre tabaka oluşturmak bu yönteme örnek gösterilebilir.

Anakütle (evren veya popülasyon); araştırma kapsamında incelenmek istenen tüm birimlerin oluşturduğu kütledir. Örneğin Türkiye’deki tüm üniversite öğrencilerinin akademik başarısı araştırılıyorsa Türkiye’deki tüm üniversite öğrencileri ana kütleyi oluşturur. Örneklem ise ana kütleden seçilen bir alt kümedir. Tam sayım ana kütledeki tüm birimlerin incelenmesidir; ancak zaman ve maliyet kısıtları nedeniyle çoğu zaman mümkün olmaz. Bu nedenle örnekleme yöntemiyle ana kütleden temsili bir alt küme seçilir ve bu örneklemden elde edilen bilgilerle ana kütle hakkında çıkarım yapılır.

Aralık tahmini; ana kütle parametresinin (örneğin ortalamasının) belirli bir güven düzeyiyle içinde bulunduğu alt ve üst sınır değerlerinin belirlenmesidir. Bu alt ve üst sınırlar güven sınırları olarak adlandırılır ve hesaplanan aralık güven aralığı olarak ifade edilir. Aralık tahmini nokta tahmininin aksine tahminin belirsizliğini de içerir. Güven aralığı formülü: x̄ ± z × (s/√n) şeklindedir. Güven düzeyi yükseldikçe aralık genişler; örnek büyüklüğü arttıkça ise aralık daralır ve tahmin daha kesin hale gelir.

Normal dağılım tablosunda sıklıkla kullanılan kritik z değerleri şu şekildedir: α=0,10 için z≈1,65, α=0,05 için z≈1,96, α=0,02 için z≈2,33, α=0,01 için z≈2,57, α=0,001 için z≈3,29. Soruda α=0,01 verildiğinden (iki yönlü test için α/2=0,005 her kuyrukta) karşılık gelen z değeri yaklaşık 2,57’dir. Yüzde 99 güven düzeyi için (1-α=0,99) kullanılan bu z değeri istatistiksel tahminlerde sıklıkla başvurulan standart değerlerden biridir. Bu değer standart normal tablolardan okunur ve güven aralığı hesaplamalarında z katsayısı olarak kullanılır.

Student (t) dağılımının kullanım koşullarından biri; ana kütle varyansının bilinmemesi durumunda örnek birim sayısının 30’dan az olmasıdır (küçük örneklem). Ana kütle dağılımı normal, varyans bilinmiyor ve n<30 ise t dağılımı kullanılır; eğer n≥30 ise büyük örneklem koşulunda merkezi limit teoremi devreye girer ve standart normal (z) dağılımı kullanılabilir. Dolayısıyla t dağılımı kullanabilmek için örnek birim sayısının 30’dan az olması gerekir; bu II. ifadeye karşılık gelir. 100 gibi bir eşik değeri istatistik literatüründe t dağılımı sınırı olarak kullanılmaz ve örnek birim sayısını önemsiz saymak da doğru değildir.

Ortalamanın standart hatası formülü s_x̄ = σ/√n veya s_x̄ = s/√n şeklindedir. Formülde n (örnek büyüklüğü) paydada kök içinde yer almaktadır. Bu nedenle n büyüdükçe √n büyür ve kesir küçülür; dolayısıyla standart hata azalır. Örneğin örnek büyüklüğü 4 katına çıkarılırsa standart hata yarıya düşer (√4=2). Bu matematiksel ilişki; büyük örneklemlerin daha kesin tahminler ürettiğini kanıtlar. Standart hatanın küçülmesi güven aralığının daralması anlamına gelir ve bu da tahmin hassasiyetinin arttığına işaret eder.

Anlamlılık düzeyi α; hipotez testinde doğru olan H₀’ın yanlışlıkla reddedilme olasılığını (Tip I hata riski) ifade eder. Araştırmacı bu değeri araştırmanın başında belirler; sosyal bilimlerde çoğunlukla α=0,05, tıp ve mühendislik gibi hassasiyet gerektiren alanlarda ise α=0,01 tercih edilir. α küçüldükçe Tip I hata riski azalır ancak Tip II hata riski artar; bu iki hata arasındaki denge araştırmanın niteliğine ve alınan kararın kritikliğine göre değerlendirilmelidir. Güven düzeyi ise 1-α’ya eşittir; α=0,05 için güven düzeyi yüzde 95’tir.

Olasılıklı örnekleme yöntemleri (basit tesadüfi, sistematik, tabakalı, küme örneklemesi); ana kütledeki her birimin belirli ve sıfırdan büyük bir olasılıkla seçildiği yöntemlerdir. Bu yöntemler istatistiksel çıkarıma ve genelleştirmeye imkân tanır; örnekleme hatası hesaplanabilir. Olasılıksız örnekleme yöntemleri (kolayda, kartopu, amaçlı, kotalı örnekleme) ise araştırmacının kendi tercihlerine ve ulaşılabilirlik gibi pratik nedenlere dayalı seçimlerini içerir. Bu yöntemlerle elde edilen bulgular genellikle ana kütleye genelleştirilemez ve örnekleme hatası hesaplanamaz.

Güven aralığının genişliği üç temel faktörden etkilenir. Birincisi güven düzeyi (1-α): güven düzeyi artırıldığında (örneğin yüzde 95’ten yüzde 99’a) buna karşılık gelen z değeri büyür ve aralık genişler. İkincisi örnek büyüklüğü (n): n arttıkça standart hata s/√n küçülür ve aralık daralır. Üçüncüsü standart sapma (σ veya s): standart sapma büyüdükçe standart hata artar ve aralık genişler. Bu üç faktörün dengeli bir şekilde yönetilmesi araştırma tasarımının temel hedeflerinden birini oluşturur.

Kartopu örnekleme (snowball sampling); araştırmacının kolayca ulaşamadığı, gizli veya marjinal popülasyonları incelemek için kullanılan olasılıksız bir örnekleme yöntemidir. Bu yöntemde araştırmacı başlangıçta birkaç katılımcıyla görüşür; bu katılımcılar benzer özelliklere sahip başkalarını önerir ve örneklem giderek büyür. Uyuşturucu kullanıcıları, belirli hastalık grupları, illegal faaliyetlere katılımcılar veya nadir meslek grupları gibi listeleri bulunmayan popülasyonların araştırılmasında sıkça tercih edilir. Ancak bu yöntemle elde edilen örneklemler temsili değildir ve genelleştirme yapılamaz; aynı zamanda sosyal ağlarla sınırlı kalma ve yanlılık riski taşıma gibi kısıtları bulunmaktadır.